LV
Geodi, GEODE oficiālais pikseļu tēls
Atpakaļ uz zāli

GEODE

Autonomous Agent Harness

No novērojuma līdz nākamajai darbībai.

Lokāls autonoma aģenta ietvars, kam var uzticēt izpēti, darbu ar failiem un ieplānotus uzdevumus.

2026.02.21 — present

Projektēšana, spriedums, verifikācija: Author · implementācija: Claude · pārskatīšana: Codex

  • CLIPublicēts · PyPI
  • MCP serverisImplementēts

Kandidāta pieņemšana un laišanas pilnvaras ir atsevišķi lēmumi.

Crucible ir no politikas meklēšanas nošķirts eksperimentu kodols. Kandidāta komits tiek validēts pret atļautajām virsmām un iesaldētu līgumu, pāru uzdevumi tiek apkopoti atsevišķā mērīšanas darba kopijā, un rezultāts ir KEEP, REJECT vai INVALID.

Crucible karte · zīmēta pēc fiksētā komita 9e2c041 un publiskajiem artefaktiem 23e3428
GEODE Crucible karteEksperimentu kodols, kas kandidāta pieņemšanu, aizzīmogoto atbilstību un produkta laidienu tur kā atsevišķas pilnvaras. Uzraugs saņem no ražotāja vienu kandidāta komitu, pārbauda to pret atļauto virsmu un iesaldēto novērtētāju un izolētā mērīšanas darba kopijā palaiž tau2 uzdevumus. promotion.py apkopo pāru rezultātus pa iepriekš reģistrētiem uzdevumiem un saimēm kā KEEP, REJECT vai INVALID; KEEP tikai pārvieto meklēšanas head. Aizzīmogotā novērtēšana spriež par train komplektu ar vienreizēju nepārklājošu testu komplektu; pat ELIGIBLE sasniedz tikai eligible ref, bez laišanas pilnvarām.Aktora · lietotāja modeļir14 · r35: gpt-5.4/hightau2 videuzdevumi · simulēts lietotājsGEODE produkta laidiensnav savienojuma · atsevišķas pilnvarassearch/producersražotāja komanda · konfigurētareplay producersearch/supervisor.pypropose → preflightevaluate → decide → recordcontract.pyatļautā virsma · kandidāta diffiesaldēts novērtētājs · iepriekš reģistrētsattempt/feedback.jsonkļūdu kodi · train uzdevumu IDmeasurement checkoutizolēts no ražotājaassays/tau2 palaidiens · receiptuzdevuma pārbaudītājspromotion.pypāri · uzdevums · saimes apkopojumsKEEP · REJECT · INVALIDattestation/bundle.pytrain komplekts · pārrēķināts KEEPattestation/sealed.pynepārklājošs testu komplekts · izmanto vienreizELIGIBLE · release_authority nonerefs/cruciblesearch/* headeligible/*geode-eval-artifactsr14 · train KEEP → sealed REJECTr35 · INVALID · 0 pāru · nullevolve/crucibleārējs eksperimentu kodols · nošķirts no SILmeklēšana · train verdiktsattestation · sealed1 pieprasīt kandidātu · propose → preflight → search/producers12 viens kandidāta komits · search/producers → propose → preflight23 atļautā virsma · diff pārbaude · propose → preflight → atļautā virsma · kandidāta diff34izolēta darba kopija5palaidiens ar fiksētu līgumu6aktora · lietotāja dialogs7modeļa izsaukumi8paired evidence9iepriekš reģistrēta apkopošana10KEEP · head pārvietojas1paired evidence2iepriekš reģistrēta apkopošana3REJECT · INVALID4kļūdu kodi · uzdevumu ID1record · ref receipt2 tikai train komplekts · vienreiz · train komplekts · pārrēķināts KEEP → nepārklājošs testu komplekts · izmanto vienreiz23 tikai eligible ref · ELIGIBLE · release_authority none → eligible/*31publiskais verdict.json2sealed decision.json

Train verdikts

Viens atļautās virsmas robežās esošs kandidāts tiek izmērīts ar fiksētu līgumu izolētā darba kopijā, un iepriekš reģistrēti noteikumi izlemj KEEP, REJECT vai INVALID.

  1. propose → preflightsearch/supervisor.pypieprasīt kandidātusearch/producers

    Meklēšanas uzraugs lūdz ražotājam kandidātu. r14 kandidāts bija agrāks kandidāts (r13), ko atkārtoti piemēroja replay ražotājs, nevis jauns LLM ģenerēts kandidāts.

  2. search/producersviens kandidāta komitspropose → preflightsearch/supervisor.py

    Ražotājs atgriež vienu kandidāta komitu atļauto ceļu robežās.

  3. propose → preflightsearch/supervisor.pyatļautā virsma · diff pārbaudeatļautā virsma · kandidāta diffcontract.py

    Kandidāta diff jāpaliek līguma atļautās virsmas robežās, un iesaldētais novērtētājs tiek verificēts. r14 un r35 atļautais mērķis bija viens fails, tau2_agent_policy.md; core un Crucible implementācija bija fiksēti kā novērtētāja ceļš.

  4. evaluate → decide → recordsearch/supervisor.pyizolēta darba kopijaizolēts no ražotājameasurement checkout

    Kandidāts tiek pārbaudīts no ražotāja nošķirtā mērīšanas darba kopijā.

  5. izolēts no ražotājameasurement checkoutpalaidiens ar fiksētu līgumutau2 palaidiens · receiptassays/

    Bāzlīnija un kandidāts tiek palaisti ar to pašu līgumu, sēklu un uzdevumiem.

  6. tau2 palaidiens · receiptassays/aktora · lietotāja dialogstau2 vide

    GEODE aģents (aktors) tau2 uzdevumu vidē sarunājas ar novērtētājam piederošu simulētu lietotāju.

  7. tau2 palaidiens · receiptassays/modeļa izsaukumiAktora · lietotāja modeļi

    r14 un r35 gan aktors, gan simulētais lietotājs bija gpt-5.4/high (abonements).

  8. uzdevuma pārbaudītājsassays/paired evidencepāri · uzdevums · saimes apkopojumspromotion.py

    Uzdevuma pārbaudītāja rezultāti tiek saglabāti kā bāzlīnijas–kandidāta pāri.

  9. iesaldēts novērtētājs · iepriekš reģistrētscontract.pyiepriekš reģistrēta apkopošanapāri · uzdevums · saimes apkopojumspromotion.py

    Pāru rezultāti tiek apkopoti pa uzdevumiem un iepriekš reģistrētām saimēm, bet budžeta, pārklājuma, infrastruktūras un drošības nosacījumi tiek pārbaudīti atsevišķi.

  10. KEEP · REJECT · INVALIDpromotion.pyKEEP · head pārvietojassearch/* headrefs/crucible

    Pie KEEP nākamais refs/crucible/search/* head kļūst par kandidātu. Train verdikta promotion_authority ir none.

Noraidīts · nederīgs · atgriezeniskā saite

REJECT un INVALID patur head, un nākamais kandidāts saņem tikai kļūdu kodus un fiksētus train uzdevumu ID. INVALID nav nulles vērtējums.

  1. uzdevuma pārbaudītājsassays/paired evidencepāri · uzdevums · saimes apkopojumspromotion.py

    Uzdevuma pārbaudītāja rezultāti tiek saglabāti kā bāzlīnijas–kandidāta pāri.

  2. iesaldēts novērtētājs · iepriekš reģistrētscontract.pyiepriekš reģistrēta apkopošanapāri · uzdevums · saimes apkopojumspromotion.py

    Pāru rezultāti tiek apkopoti pa uzdevumiem un iepriekš reģistrētām saimēm, bet budžeta, pārklājuma, infrastruktūras un drošības nosacījumi tiek pārbaudīti atsevišķi.

  3. KEEP · REJECT · INVALIDpromotion.pyREJECT · INVALIDkļūdu kodi · train uzdevumu IDattempt/feedback.json

    Pie noraidījuma vai nederīguma paliek iepriekšējais head, un kandidāts un tā ieraksti tiek saglabāti. INVALID vidējais ir null, nevis nulle.

  4. kļūdu kodi · train uzdevumu IDattempt/feedback.jsonkļūdu kodi · uzdevumu IDsearch/producers

    Atgriezeniskā saite nākamajam kandidātam ir ierobežota ar kļūdu kodiem un fiksētiem train uzdevumu ID; novērtētāja trajektorijas vai atbildes netiek nodotas.

Aizzīmogotā atbilstība · atsevišķas pilnvaras

Train KEEP tikai pārvieto meklēšanas head. Aizzīmogotā atbilstība sasniedz tikai eligible ref; produkta laidiens un izvietošana ir atsevišķas pilnvaras ārpus Crucible.

  1. evaluate → decide → recordsearch/supervisor.pyrecord · ref receipttrain komplekts · pārrēķināts KEEPattestation/bundle.py

    Train komplekts ir spēkā tikai tad, ja līgums, bāzlīnijas un kandidāta pierādījumi, pārrēķinātais KEEP, priekšlikuma izcelsme, uzrauga ieraksts un piemērotā ref receipt ir savstarpēji saistīti. Tas nav cits nosaukums uzlabojumam.

  2. train komplekts · pārrēķināts KEEPattestation/bundle.pytikai train komplekts · vienreiznepārklājošs testu komplekts · izmanto vienreizattestation/sealed.py

    Aizzīmogotā novērtēšana vienreiz izmanto testu komplektu, kas nepārklājas ar train, bez infrastruktūras atkārtojumiem.

  3. ELIGIBLE · release_authority noneattestation/sealed.pytikai eligible refeligible/*refs/crucible

    Pat ELIGIBLE raksta tikai refs/crucible/eligible/*, un release_authority ir fiksēts kā none.

Publiskie ieraksti · r14 · r35

r14 bija train KEEP un pēc tam aizzīmogots REJECT; r35 (2026. gada 13. jūlijs) bija INVALID nepilnīga pārklājuma un infrastruktūras piesārņojuma dēļ (0 pāru rindu, vidējais null), un head palika nemainīts.

  1. KEEP · REJECT · INVALIDpromotion.pypubliskais verdict.jsongeode-eval-artifacts

    Publiskie artefakti ir normalizēti ieraksti, fiksēti 23e3428. r14 iepriekš reģistrētā train konfigurācijas jaucējvērtība atšķiras no publiskās konfigurācijas baitiem, tāpēc visa oriģinālā ķēde nav atkārtoti sertificēta.

  2. attestation/sealed.pysealed decision.jsonr14 · train KEEP → sealed REJECTgeode-eval-artifacts

    r14: KEEP uz telecom train, 6 uzdevumi × 1 mēģinājums (6 pāru rindas, bez paaugstināšanas pilnvarām), pēc tam atsevišķs aizzīmogots verdikts REJECT (bez laišanas pilnvarām).

Visi savienojumi ar vienādu svaru. Izvēlieties plūsmu, lai izceltu tikai tās ceļu ar numurētiem soļiem.

  • Nepārtraukta · pieprasījumu, kandidātu un rezultātu plūsmas virziens
  • Raustīta · izpilde, lēmums, pilnvarošana, konfigurēšana
  • Bieza melna līnija · izvēlētā plūsma; skaitļi norāda secību
  • Rāmis · koda vai ierakstu robeža, ceļš galvenē
  • Iekšējā plāksnīte · komponents šajā robežā
  • Raustīts rāmis · ārpus šīs robežas
  • meklēšanas uzraugs
  • līgums · verdikts · apliecinājums
  • ref · ieraksti
  • ražotāji · izpilde

Crucible ir no SIL nošķirts kodols; abas meklēšanas nav viens konveijers, kas paaugstinātu viena otras kandidātus. Produkta laidiena rāmī neienāk neviens savienojums.

Trīs pilnvaras
Train KEEP pārvieto meklēšanas head, aizzīmogotais ELIGIBLE reģistrē eligible ref, un produkta laidiens ir atsevišķs lēmums ārpus Crucible. Agrāks verdikts nekad nepiešķir vēlākas pilnvaras.
Null nav nulle
r35 plānoja 9 uzdevumus × 3 mēģinājumus (27 rindas katram zaram), bet salīdzināmo pāru bija 0, tāpēc tā vidējais un uzlabojums ir null. Tas nav 27 neizdevušies uzdevumi vai 0% sekmju rādītājs.